日本物流仓库的凌晨五点半，司机在调度室窗口前排队，用圆珠笔在纸质出勤表上填写姓名、车辆编号和预计出车时间。旁边的工头正对着白板上的磁贴调整当日班次——有司机临时请假，两辆卡车还在检修，而电商货量比预报多了三成。三十公里外的建筑工地，工长用手机群发语音，协调钢筋工和混凝土泵车的到场顺序，手边的便签纸上记着昨夜变更的施工方案。这些场景并非上世纪九十年代的纪录片，而是2026年日本非桌面行业的基础日常。Excel表格和免费即时通讯软件常常被视作“数字化”的终点，更深层的排班逻辑、绩效归因和合规管理，依然沉睡在纸面和个人经验之中。
2026年8月4日，试图楔入这片数字化空白地带的东京初创公司X Mile Co., Ltd.宣布完成31.7亿日元的C轮融资。此轮由Vertex Growth领投，ALPHA、SMBC Nikko Securities、SOMPO Growth Partners、东京大学Edge Capital（UTEC）、SMBC Venture Capital、Minerva Growth Partners、日本邮政资本与JPS Growth Investment共同参与。加上本轮，X Mile自2019年创立以来的累计股权融资达到69.6亿日元。
| 公司 | X Mile Co., Ltd.（X Mile） |
| 轮次 | C轮 |
| 金额 | 31.7亿日元 |
| 投资方 | Vertex Growth（领投） |
| ALPHA | |
| SMBC Nikko Securities | |
| SOMPO Growth Partners | |
| 东京大学Edge Capital（UTEC） | |
| SMBC Venture Capital | |
| Minerva Growth Partners | |
| 日本邮政资本 | |
| JPS Growth Investment | |
| 总部 | 日本东京 |
| 创始人 | Hiroyuki Noro（代表董事首席执行官） |
| 官网 | https://www.xmile.co.jp/ |
产品要穿透的最后一公里：从班表到绩效的垂直化难题
据公司披露，其HR平台累计注册求职者超过120万，导入事业所超3万，运输大型企业（车辆1000台以上）的导入率约70%，ARR年增长率超过90%。
X Mile将自身定位为一套面向物流、建筑、制造等非桌面行业的管理平台。表面上看，它提供的是一组SaaS模块——人力资源管理、数字化转型与AI平台、业务支持——但内核的逻辑远不止把纸质表单电子化。它试图把破碎的现场作业流装进统一的数字管道，使得一个看似孤立的排班动作，能够同时牵动司机工时合规、车辆维护排期、货量波峰预测，甚至与外包人员的薪酬结算形成联动。在物流场景中，这意味着车队长的排班不仅要考虑今日订单量，还要实时核对每位司机的累计驾驶时间是否逼近法规上限、车辆的年检窗口是否即将关闭、上一班次的延误是否会连锁影响夜班装载。建筑工地同样如此：钢筋工的到场时间需要与混凝土浇筑进度匹配，而混凝土泵车的调度又受制于交通管制时段和现场泵送高度限制。这些变量相互缠绕，任何一环的变更都可能引发连锁反应。
公司宣称其核心技术是“垂直AI”，聚焦业务自动化与决策支持。这与通用大语言模型套壳截然不同。非桌面环境里的决策点极其离散，且高度依赖隐性知识——一个老工头能在电话里听完三句话就判断出泵车该几点进场，但这种判断力建立在数十年经验之上，几乎无法通过通用模型复现。X Mile必须把行业规则、安全规程、劳动法规和动态变量编码进AI模型，才能提供可落地的建议，而不仅是生成一份漂亮的数据看板。举例来说，系统如果建议“明日早班增派两名司机”，它需要同时验证：这两人是否具备运输该品类货物的资质、他们的加班时长是否合法、增派后人均配送件数是否在合理区间、以及该建议是否考虑了明日的天气预报和常发拥堵路段。任何一个环节的疏漏，都可能导致工资纠纷、安全监察或客户违约。
然而，目前公开信息中并未透露这套垂直AI的具体引擎架构、训练数据来源或算法有效性验证方式。公司有没有自研的核心模型，还是在某基础模型之上进行领域微调？训练数据是来自已脱敏的客户运营记录，还是依赖人工标注的模拟场景？模型产出的排班建议，在实际运营中与人工排班相比，效率提升和错误率下降是否有可量化的数据？这些技术细节的缺失，使得外部观察者很难判断X Mile的AI能力处于“规则引擎增强”阶段，还是已进入“可解释的机器学习决策”阶段。在建筑和物流等高度合规且责任归属严苛的领域，任何“决策支持”若出现偏差，都可能引发严重后果。如果系统建议的维护排期遗漏了某辆卡车的关键部件检查，而该车在高速公路上发生事故，责任链条如何追溯？这些问题的答案，在当下的创投叙事中几乎未被触及，却构成了X Mile产品叙事中最需要被验证的底层假设。
订阅费与纸质流程的对决：X Mile的商业化拷问
商业模式上，X Mile走的是标准SaaS订阅路线。目标客户是那些长期被软件公司忽略的物流企业、建筑总包和制造供应商——它们既没有头部企业的IT预算可以养活内部开发团队，也并非完全不碰数字工具，只是多年来的数字化努力止步于用Excel做日报、用Line群发通知。这类企业普遍IT预算有限，且决策权高度集中在控制成本的经营者手中。将SaaS管理平台卖进卡车运输公司，需要跨越的不仅是技术门槛，更是根深蒂固的成本观念：当企业主看着纸质出勤表时，他看到的是零边际成本的记录方式；而SaaS订阅费在他眼中，是一项每个月都会从账户划走的固定支出，即便它的真实成本可能远低于因排班错误造成的加班费浪费。
但X Mile的切入时机并非全无东风。当企业发现任何一点排班优化都能直接减少加班费支出、避免合规风险时，SaaS的投入产出比就有了硬支撑。X Mile需要证明的不再是“工具有多好用”，而是“一年能省出多少人工成本和罚款风险”。这恰恰是非桌面行业决策者唯一听得懂的语言，也是能否把一笔IT支出从“成本项”扭转为“投资项”的关键。
不过，目前公司未披露付费客户数、年经常性收入、净收入留存率或平均合同价值。仅凭累计融资69.6亿日元和C轮规模，外部无法判断其商业化进展是处于早期验证期——即只有少数头部客户在生产环境中深度使用——还是已进入规模化爬坡期，客户数量正在快速增长。另一个未披露的关键维度是客户成功体系的成熟度：非桌面SaaS的实施往往需要长达数月甚至一年以上的现场驻守和定制化适配，如果客户成功团队无法将每个项目中的通用部分抽象为可复制的部署模板，那么收入增长的代价将是人员线性膨胀，毛利率将持续承压。
Vertex Growth为何领投？资本地图上的金融与产业烙印
本轮投资方名单呈现出鲜明的产业协同色彩，远非纯粹的财务配置。领投方Vertex Growth为专注于亚太区成长期技术公司的投资机构。日本邮政资本、JPS Growth Investment以及SMBC Nikko Securities等股东的参与，显示出金融与产业背景的交叉。UTEC和Minerva Growth Partners作为早期投资者的持续加注，则显示已有内部信息优势的股东对项目进展持有正面判断。
Vertex Growth General Partner TAM Hock Chuan在谈及投资时表示，X Mile从运输业的人材匹配模型扩展到建设和制造，发展成服务多个非桌面行业的平台，并构建了具有强收益性和扩展性的软件业务。
31.7亿日元的去向：人才、客户成功与收购标的清单
根据公司披露，C轮资金将重点投向三个方向：招聘开发人才、扩编销售和客户成功团队、深化垂直AI技术投入，同时推行积极的并购战略。这份资金用途清单并不令人意外，但对每一条的分解，能透视出X Mile当前所处的发展阶段和潜在的执行风险。
开发人才的争夺在日本初创生态中尤为激烈。非桌面AI需要兼具机器学习能力和物流、建筑或制造领域知识的复合型工程师——这类人既可能在顶尖大学的AI实验室里，也可能在大型物流企业的IT部门积累了十年内部系统开发经验。他们对于薪酬和股权的要求往往高于纯互联网领域的工程师，且有更多传统大企业作为职业选择。X Mile计划通过收购“高协同性”的团队和产品，本质是以资本换时间——直接吞并那些已拥有特定场景排班算法、或已在某个垂直细分客户群中建立口碑的小团队，快速补全产品拼图，同时吸收熟悉行业的工程师和客户关系。这对于一家2019年创立、产品线仍需打磨的公司而言，逻辑上自洽，但执行风险集中。标的选择上，优质目标往往拥有多个潜在买家，估值可能被推高；技术整合上，被收购团队的技术栈可能与X Mile主产品存在架构冲突，需要大量重构工作；文化融合上，小型创业团队被并入拿了C轮融资的扩张期公司后，创始人和核心工程师的留存意愿存在高度不确定性。公司目前未披露任何过往收购记录，也无从评估其整合方法论。
销售和客户成功团队的扩张则暗示公司正从产品驱动转向服务驱动。在非桌面行业，签下一个客户和真正让客户用起来之间的距离，往往比白领SaaS长数倍。物流仓库和建筑工地的项目实施，需要客户成功经理频繁前往现场，理解工头的工作习惯、优化操作流程、甚至手把手教会手机操作不熟练的年长工人。这对人员复用率和毛利率构成直接压力。如果X Mile不能从每个行业的头三到五个项目中提炼出一套标准化的部署模板和最佳实践手册，那么每新增一个客户就意味着新增一笔几乎等比例的服务成本，SaaS模型的高毛利属性将被侵蚀殆尽。公司也未披露当前的平均实施周期和客户上线后达到活跃使用的时间——这些指标是判断其是否已找到服务规模化的内部抓手的关键。
错位战与隐形的对手：在巨头苏醒前抢跑
虽然官方公告并未列出直接竞争对手，但X Mile所处的市场绝不空旷，只是对手的形态不一定是在同一张SaaS比价表上出现。在日本HR Tech领域，已有企业占据白领人事管理和考勤的主战场，它们拥有庞大的客户基数和成熟的渠道体系。从白领场景向非桌面场景渗透，对这些公司而言仅是战略意愿的问题——当现有的白领客户同时也是拥有大量现场员工的物流或制造企业时，增购一个非桌面模块远比引入一个新的独立供应商来得自然。虽然这些企业的产品基因偏向标准化人事流程，而非垂直行业的作业逻辑，但它们在客户关系和资本体量上的优势，足以构成X Mile未来商业化路上的天花板。
通用ERP厂商同样拥有面向物流仓储和工程建筑行业的模块。这些模块也许在灵活性和AI深度上不及垂直SaaS产品，但它们凭借品牌信誉、对存量客户的深度绑定、以及可以与其他财务、采购模块捆绑销售的策略，随时可能以极低边际成本挤压初创公司的议价空间。更隐蔽的对手是大型企业自研系统。一些大型物流集团有能力内部开发定制化的运输管理系统，行业内其他头部物流公司和大型总包商，也可能已在内部孵化类似工具。一旦自研路径在功能和成本上跑通，外部采购的优先级就会骤降。
错位竞争是X Mile目前理性且务实的路径：避开通用人事SaaS和ERP巨头的主力战场，专注那些连标准化考勤和排班都尚未完成的细分场景。这既降低了正面遭遇战的可能，也使其估值故事在众多日本SaaS项目中拥有了独特叙事支撑——不是又一个HR SaaS，而是切入现场生产力的垂直AI平台。但错位同样意味着可获取的总市场规模可能被高估，每个细分行业里有支付意愿的客户数量都存在上限，跨行业扩张又会冲淡垂直AI的专注度和适配深度。如何在守住垂直深度的同时找到可复制的增长走廊，是X Mile在扩张阶段面临的核心平衡术。
非桌面AI的两大断层：工人与数据
任何试图把AI带到仓库和工地的项目，都必须正视两道几乎难以逾越的断层。第一道是工人数字素养。当一个物流司机被要求每天用手机App打卡、填报异常事件、实时确认车辆状况时，抵触情绪和操作错误率远高于办公室白领使用新OA系统时的适应难度。如果一个建筑焊工的日常是戴着防护手套完成高空作业，要求他每次换岗都在手机上点击确认，这种交互在物理层面和习惯层面都是双重挑战。X Mile若不能将交互精简到极致——例如通过语音输入、一键确认或自动化传感器采集来减少人工操作——并配有密集的现场培训和持续的行为改变激励，工具在采购后被弃用的概率极高。而一旦工人不使用系统，AI就失去了最底层的数据输入，优化和决策建议便成为无源之水。
第二道断层是数据质量。非桌面行业的运营数据往往分散在工头的笔记本、给供应商的传真件、仓库门口的温度记录仪和尚未联网的老旧设备控制器里。数据孤岛严重，格式混乱，且大量关键信息从未被数字化过。例如，一辆卡车的实际油耗和驾驶行为数据可能存储在车载终端里，但该终端与公司总部系统之间没有数据链路；一个工地的混凝土养护记录写在纸面表格上，表格被收纳进文件夹后就再也不会被结构化利用。X Mile的垂直AI决策支持高度依赖实时、清洁、结构化的数据流——没有准确的实时数据，“最优排班”的建议就只是基于历史平均值的粗糙估计，而“设备故障预警”则可能沦为错报率极高的噪声源。公司尚未说明其数据采集方式：是自研IoT硬件直接采集？还是通过API对接第三方车载终端、传感器和设备控制器？还是部分依赖工人手动录入？也未公布任何数据治理的技术框架，包括如何清洗歧义数据、如何处理缺失值、如何保证数据在传输和存储中的完整性。这些技术实现层面的选择，直接决定了AI产出的“决策支持”在现实中是可信的行动指令，还是只能停留在演示产品里的自动臆测。
这两道断层并非不可攻克，但需要持续的资金、人才和时间投入，且与公司期望的快速增长和投资人期待的规模化进度形成天然冲突。从资金来源看，X Mile选择与战略投资者和金融背景资本站在一起，也许正是为了在抵御这段漫长市场教育期的同时，获得传统VC未必能给予的耐心。然而，即使是最有耐心的产业资本，也终将要求看到可量化的进展。对工人断层的攻克，体现在日活用户数、留存率和操作错误率的持续改善上；对数据断层的攻克，则体现在数据完整率、AI建议的采纳率和采纳后的实际效果指标上。这些数字目前均未公开。
融资到位，验证赛才刚开始
C轮31.7亿日元入账后，资金将用于团队扩张、技术投入和潜在并购，但资金本身不会自动创造产品护城河或客户忠诚度。公司展现了一个清晰且值得尊敬的非桌面数字化愿景——将物流司机、建筑焊工和产线班组长的破碎工作流装进统一的数字管道，并用垂直AI提供决策支持。这个愿景获得了Vertex Growth领衔的产业与金融资本合力背书，投资方名单中邮政、金融和学术资本的交叉组合，也反映出对该赛道长期价值的跨行业认可。
然而，X Mile面前仍然横亘着一系列需要公开验证的关键假设。垂直AI是否真的能在物流、建筑、制造等差异巨大的碎片化场景中，产生可量化且可复现的效率提升？SaaS的付费模式能否穿透非桌面行业根深蒂固的成本导向采购文化，被中型企业主承认为“省钱工具”而非“新增成本”？并购而来的团队和产品能否被有效吸收，而不至于在技术整合和文化融合中拖垮原有研发节奏？最关键的是，是否已有足够多的付费客户，愿意用自己的真实运营数据为这套尚未经过长期时间检验的系统作保，并在合同期满后续费？
这些问题的答案，将在接下来的两到三年里逐渐揭晓。X Mile的下一阶段旅程，既是验证垂直AI能否穿透日本非桌面行业数字化坚冰的试金石，也是检验“产业资本+现场SaaS”这一叙事能否跑通商业闭环的活样本。而其结果，将决定这家东京初创究竟能成为日本劳动力危机的解药之一，还是又一支高融资、高关注却难以跨越商业化鸿沟的垂直SaaS样本。
RecodeX 极客视：非桌面行业的数字化不是把白领工具刷一层油漆就能套上去的生意。X Mile用31.7亿日元C轮和一批产业背景深厚的投资者，试图证明垂直AI可以触达物流司机、建筑工人和产线班组长的工作流深处。真正的挑战不在算法精度那一侧，而在于工头愿不愿意放下用了二十年的电话沟通习惯、司机肯不肯每天打开App，以及系统给出的排班建议能否同时经受住安全法规、劳动基准法和商业合同的交叉检验。当产业资本与初创公司的技术野心在股权表上合流，最动人的转型叙事和最脆弱的验证假设，往往只隔着一份尚未在灯火通明的工地现场被签字的客户合同。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。